主要内容

hyperparameters

用于优化拟合函数的变量描述

折叠所有页面

语法

VariableDescriptions = hyperparameters (FitFcnName、预测、响应)
VariableDescriptions = hyperparameters (FitFcnName预测、响应LearnerType)

描述

例子

VariableDescriptions= hyperparameters (FitFcnName，预测，响应）返回给定fit函数的默认变量。这些是当你设置OptimizeHyperparameters名称-值对“汽车”．

例子

VariableDescriptions= hyperparameters (FitFcnName，预测，响应，LearnerType）返回与指定学习者类型匹配的集成的变量。此语法适用于以下情况FitFcnName是“fitcecoc”，“fitcensemble”,或“fitrensemble”．

例子

全部折叠

打开生活的脚本

的默认超参数fitcsvm分类器。

加载电离层数据。

负载电离层

获得hyperparameters。

VariableDescriptions = hyperparameters (“fitcsvm”, X, Y);

检查所有超参数。

为ii = 1:length(variabledescription) disp(ii)，disp(variabledescription (ii))结束
[1.0000e-03 1000] Type: 'real' Transform: 'log' optimizablevvariable with properties: Name: 'KernelScale' Range: [1.0000e-03 1000] Type: 'real' Transform: 'log' optimizablevvariable with properties: Name: 'KernelFunction' Range: [1.0000e-03 1000] Type: 'real' Transform: 'log'{'gaussian' 'linear' '多项式'}Type: 'categorical' Transform: 'none' Optimize: 0 4 optimizablevvariable with properties: Name: '多项式order ' Range: [2 4] Type: 'integer' Transform: 'none' Optimize: 0 5 optimizablevvariable with properties: Name: '标准化' Range: {'true' 'false'} Type: 'categorical' Transform: 'none' Optimize: 0

改变PolynomialOrder超参数具有更大的范围，并用于优化。

VariableDescriptions(4)。范围=(2、5);VariableDescriptions(4)。优化= true;disp (VariableDescriptions (4))
名称:'多项式排序'范围:[2 5]类型:'integer'转换:'none'优化:1
打开生活的脚本

的默认超参数fitrensemble总体回归函数。

加载carsmall数据。

负载carsmall

使用马力和重量作为预测变量，和英里/加仑作为响应变量。

X =[马力重量];Y = MPG;

获取a的默认超参数树学习者。

VariableDescriptions = hyperparameters (“fitrensemble”, X, Y,“树”)；

检查所有超参数。

为ii = 1:length(variabledescription) disp(ii)，disp(variabledescription (ii))结束
1. optimizablevvariable with properties: Name: 'Method' Range: {'Bag' 'LSBoost'} Type: 'categorical' Transform: 'none' Optimize: 1 2 . optimizablevvariable with properties: Name: 'NumLearningCycles' Range: [10 500] Type: 'integer' Transform: 'log' Optimize: 1 3 . optimizablevvariable with properties: Name: 'LearnRate' Range: [1.0000e-03 1] Type:“真实”的变换:‘日志’优化:1 4 optimizableVariable属性:名称:“MinLeafSize”范围:50[1]类型:“整数”转变:“日志”优化:1 5 optimizableVariable属性:名称:“MaxNumSplits”范围:[99]类型:“整数”转变:“日志”优化:0 6 optimizableVariable属性:名称:NumVariablesToSample的范围:[1 2]类型:'integer'转换:'none'优化:0

改变MaxNumSplits超参数具有更大的范围，并用于优化。

VariableDescriptions(5)。范围= [1200];VariableDescriptions(5)。优化= true;disp (VariableDescriptions (5))
[1 200] Type: 'integer' Transform: 'log' optimizablevvariable with properties: Name: ' maxnumsplit ' Range: [1 200] Type: 'integer' Transform: 'log

输入参数

全部折叠

拟合函数名称，指定为所列分类或回归拟合函数名称之一。

如果FitFcnName是“fitcecoc”，“fitcensemble”,或“fitrensemble”，然后在中指定学习者的类型LearnerType论点。

例子:“fitctree”

预测器数据，指定为带有D预测器列的矩阵或带有D预测器列的表，其中D是预测器的数量。

例子:X

数据类型:双|逻辑|煳|字符串|表格|细胞|分类|datetime

类标签或数字响应，指定为分组变量(请参阅分组变量)或标量。

例子:Y

数据类型:单|双|逻辑|煳|字符串|细胞

整体适合的学习者类型，指定为“判别”，“内核”，“资讯”，“线性”，“支持向量机”，“树”，或列出学习者的模板。在以下情况下使用这个参数FitFcnName是“fitcecoc”，“fitcensemble”,或“fitrensemble”．

为“fitcensemble”您只能使用“判别”，“资讯”，“树”，或相关的模板。

为“fitrensemble”，您只能使用“树”或templateTree．

例子:“树”

输出参数

全部折叠

变量描述，作为向量返回optimizableVariable对象。这些变量设置了它们的默认参数，例如范围和变量类型。所有符合条件的变量都存在于描述中，但在“汽车”设置有他们优化属性设置为假．可以使用点表示法更新变量，如例子．

另请参阅

||||||||||||||

介绍了R2016b

统计和机器学习工具箱文档

万博1manbetx

掌握机器学习:一步一步的指导与MATLAB

掌握机器学习:一步一步的指导与MATLAB

下载电子书